[發明專利]基于融合直方圖分層和非線性導數的邊緣檢測算法

在審

• 申請號: 202111312547.1
• 申請日: 2021-11-08
• 公開（公告）號: CN114155174A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 周祚峰;吳清泉
• 申請（專利權）人: 西安西光產業發展有限公司
• 主分類號: G06T5/40
• 分類號: G06T5/40;G06T7/13
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李鄭建

本發明公開了一種基于融合直方圖分層和非線性導數的邊緣檢測算法，由確定各向異性高斯方向導數濾波器的左右子窗口及權重、直方圖分層和非線性濾波、計算各向異性高斯方向導數響應向量、提取邊緣強度圖和邊緣方向圖、非極大值抑制和雙閾值決策的檢測步驟組成。該算法采用直方圖分層技術可以有效抑制椒鹽噪聲干擾，同時通過將直方圖分層技術與基于雙窗的邊緣強度提取結合，可有效抑制高斯噪聲干擾。最后將提取的邊緣強度映射和邊緣方向圖嵌入到基于微分的邊緣檢測算法流程中，獲得了對混合噪聲魯棒的精細邊緣檢測算法。解決了邊緣檢測噪聲敏感的技術問題，可有效提取精確的圖像邊緣特征。

技術領域

本發明屬于圖像處理技術領域，涉及圖像的邊緣處理，特別涉及一種基于融合直方圖分層和非線性導數的邊緣檢測算法。

背景技術

圖像邊緣是圖像基本的特征之一，在圖像處理中有重要的作用。邊緣特征是圖像中相鄰區域交界處像素的集合，通常定義為鄰近灰度或結構信息發生劇烈變化的像素。邊緣檢測基本思想是先檢測圖像中的邊緣點，再按照某種策略將邊緣點連接成輪廓，從而構成分割區域。由于邊緣是所要提取目標和背景的分界線，提取出邊緣才能將目標和背景區分開，因此邊緣檢測是圖像處理和計算機視覺領域中重要的圖像特征之一，且被廣泛應用于各個領域。比如石油勘探中的儲層裂縫識別，農業馬鈴薯多光譜圖像萌發檢測，交通道路圖像的坑洼分類，醫學視網膜圖像的血管檢測，以及圖像文本提取等。

現有的邊緣檢測算法大致可分為兩大類：基于局部灰度或顏色變化的邊緣檢測算法和基于全局特征相關信息的邊緣檢測算法。基于局部變化的邊緣檢測根據提取邊緣強度的濾波器算子特點可分為：基于形態學的邊緣檢測算法和基于微分算子的邊緣檢測算法。

基于形態學的邊緣檢測算法是通過組合形態學膨脹和腐蝕操作，來構建形態學梯度算子進行邊緣檢測?；谖⒎炙阕拥倪吘墮z算法是通過微分算子提取邊緣強度圖和邊緣方向圖，再利用非極大值抑制來篩選候選邊緣像素，最后借助雙閾值決策確定最終邊緣像素?；谖⒎炙阕拥倪吘墮z測算法往往對噪聲十分敏感。盡管成像設備帶來的噪聲隨著設備性能的提升對原圖像影響越來越小，但圖像傳輸失真所產生的噪聲干擾卻無法避免。

發明內容

針對上述現有技術存在的椒鹽和高斯噪聲混合噪聲同時干擾時導致圖像邊緣檢測效果差的技術問題，本發明的目的在于，提供一種基于融合直方圖分層和非線性導數的邊緣檢測算法，該算法簡單、便于操作、可精確提取圖像邊緣特征。

為了實現上述任務，本發明采取如下的技術解決方案：

一種基于融合直方圖分層和非線性導數的邊緣檢測算法，其特征在于由下述步驟組成：

(1)確定各向異性高斯方向導數濾波器的左右子窗口及權重

按公式(1)構建各向異性高斯方向濾波器g_σ,ρ,θ(x,y)：

其中，σ是高斯核的尺度，σ∈[1,6]，ρ是各向異性因子，ρ∈[1,8]，(x,y)是濾波窗口內的局部像素位置,x、y是非負整數，θ是以y軸為基準的旋轉角度，θ∈[0,π]，R_θ是旋轉角度為θ的旋轉矩陣；

按公式(2)得g_σ,ρ,θ(x,y)沿θ的一階偏導，即各向異性高斯方向導數濾波器ψ_σ,ρ,θ(x,y)：

按公式(3)分別確定各向異性高斯方向導數濾波器的左子窗口N_L和右子窗口N_R：

按公式(4)可提取N_L和N_R對應的濾波器絕對值權重w_L,θ和w_R,θ：